Traffic Empire가 13개의 Claude AI 에이전트를 조율하여 21개 유틸리티 웹사이트를 완전 자동화 개발 및 운영

Context

웹사이트 포트폴리오 구축과 운영에 인간 엔지니어의 개입을 최소화하면서 일관된 품질 관리와 데이터 기반 의사결정이 필요했다.

Technical Solution

• CEO 에이전트가 주간 사이클을 조율: 레지스트리(소스 오브 트루스)를 읽고 감시자 리포트를 확인한 후 빌드·개선·제거 결정
• 분석 에이전트가 매 사이클 첫 실행: 사이트 생존 여부 확인, 트래픽 데이터 수집, 헬스 스코어 계산
• 연구 에이전트가 높은 검색량과 약한 경쟁력을 가진 니치 발견: 예측 정확도 추적 및 스코어링 모델 자동 교정
• 디자이너 에이전트가 각 사이트마다 색상, 타이포그래피, 컴포넌트 패턴, 시각 계층 정의
• 빌더 에이전트가 디자이너 스펙을 Next.js 사이트로 변환: 템플릿 스캐폴딩, 계산기/도구 구현, Netlify 배포, curl 검증
• 편집 팀(편집자 에이전트 + 5명 작가 에이전트)이 뉴스룸 운영: 편집자가 각각 다른 음성과 전문성을 가진 작가에게 기사 기획 의뢰
• 콘텐츠 에이전트가 발행 기계화 처리: 레포지토리 클론, 파일 배치, 빌드 검증, 배포, 배포 후 검사 실행
• SEO/GEO 에이전트가 전통 검색엔진과 LLM 발견용 최적화: 모든 사이트에 /llms.txt 배치, 구조화된 JSON-LD, AI 검색 계층용 엔드포인트 구현
• 감시자 에이전트가 마지막에 실행: 모든 에이전트 작업 검토, A~D 성적 부여, 지시문 개선안 제시 및 3주 이상 C 또는 D 등급 시 직접 지시문 수정
• 래칫 패턴 도입(Karpathy의 autoresearch에서 영감): 모든 변경사항 측정, 포트폴리오 스코어 상승 시 유지, 하강 시 되돌림
• Git을 메모리 계층으로 활용: 에이전트가 커밋 히스토리를 읽어 이전 시도 내역 파악

Key Takeaway

자율 AI 에이전트 팀의 성공은 측정 가능한 피드백 루프(포트폴리오 스코어)와 자기 개선 메커니즘(감시자 에이전트의 지시문 수정)에 의존하며, 모든 결정의 데이터 기반 검증과 변경사항 추적이 핵심이다.